ubuntu 18.04 準備安裝cuda9.0 和 cudnn7.0

裝電腦每天都是最煩的,不知道爲什麼別人幾天幾裝好了,裝完了的我還要調代碼 調代碼調不好繼續重裝,煩死了 人生好艱難。

那麼在這裏說下 ubuntu18.04 裝cuda9 的心路歷程吧

裝cuda  參考的是https://blog.csdn.net/weixin_41863685/article/details/80303963

這篇文章

然後在安裝cudnn的時候遇到了下載速度慢等問題,有些時候的網速還可以,但是基本上還是靠迅雷下的。某寶上有迅雷的不限速的安裝包,下完了以後可能要改文件名之類的。

deb安裝還有gzt

是按照這個教程 https://blog.csdn.net/taylormei/article/details/79237191

他跟網上其他教程相比,多了鏈接的一個部分。可能剛好適用於 之前安裝過的仙女們吧

那麼,我最後遇到的問題就是。

裝完了以後通常需要用2種方案驗證是不是,一種是查看記錄

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

那麼這個時候我的結果是

include/cudnn.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 5
--
#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#include "driver_types.h"

其實這個結果是正確的

但是方法二驗證的時候:

cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
 ./mnistCUDNN

他出現的結果是Culas failure

Host compiler version : GCC 5.5.0
There are 1 CUDA capable devices on your machine :
device 0 : sms 22  Capabilities 7.5, SmClock 1785.0 Mhz, MemSize (Mb) 5941, MemClock 4001.0 Mhz, Ecc=0, boardGroupID=0
Using device 0

Testing single precision
Loading image data/one_28x28.pgm
Performing forward propagation ...
Testing cudnnGetConvolutionForwardAlgorithm ...
Fastest algorithm is Algo 5
Testing cudnnFindConvolutionForwardAlgorithm ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.008960 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.026528 time requiring 57600 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.029152 time requiring 3464 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: 0.084576 time requiring 2057744 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 0.124192 time requiring 203008 memory
Cublas failure
Error code 0
gemv.h:77
Aborting...

就很難過網上基本上沒有遇到過這個問題的朋友,那麼簡單查了一個culas 是計算矩陣的一個庫應該

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值